Proyectos de Sistemas de Software Prof. Gerardo I. Simari Asistente Fabio R. Gallo

Documentos relacionados
FACULTAD DE CIENCIAS EXACTAS, INGENIERIA Y AGRIMENSURA INTRODUCCION A LA INTELIGENCIA ARTIFICIAL L.C.C. PRACTICA RA 2007

Razonamiento probabilístico y redes bayesianas. Semántica de las RB Inferencia exacta Blanca A. Vargas Govea Octubre 16, 2012

INSTRUMENTACIÓN AVANZADA Departamento de Ingeniería Eléctrica y Electromecánica Facultad de Ingeniería Universidad Nacional de Mar del Plata

Repaso: El objetivo de medir. Razonamiento Bayesiano. Razonamiento Bayesiano. Razonamiento Bayesiano. Proyectos de Sistemas de Software

CONSTRUCCIÓN AUTOMÁTICA DE REGLAS DE INVERSIÓN UTILIZANDO PROGRAMACIÓN GENÉTICA

GeNie: entorno de desarrollo para la construcción de modelos gráficos de decisión Decision Systems Laboratory, University of Pittsburgh.

Número del puerto TCP/UDP en el Cisco ONS 15454

INSTRUMENTACIÓN AVANZADA Departamento de Ingeniería Eléctrica y Electromecánica Facultad de Ingeniería Universidad Nacional de Mar del Plata

Instrumentación Virtual con LabVIEW

Introducción a la Programación

Modelos de Software. Ingeniería en Sistemas de Información

LENGUAJES DE PROGRAMACIÓN. Solución al examen de Septiembre 2017

Bases Formales de la Computación: Redes de Bayes (segunda parte)

6. Listas Generalizadas

GUIA DE EJERCICIOS Nº 2 INSTRUMENTACIÓN AVANZADA. Estructuras en LabVIEW PROGRAMACION GRAFICA

IMPLEMENTACIÓN DE PILAS CON LISTAS EN C++

Sistemas recolectores de energía: teoría y diseño práctico

INFOTECH CURSO MÓDULO 4. Estructuras de control. Excel Advanced Macros

Para llevar a cabo una simulación, se requiere implementar las siguientes etapas:

PREINFORME 3 PERIODO DIRECCIÓN MEDIA VOCACIONAL

Los derechos de usuario del editor de secuencia de comandos del Internet de ICM

Sesión 2: Teoría de Probabilidad

Decidiendo en 3D. Soluciones de Negocio

Edición, Simulación y Síntesis con isplever

Cómo inhabilitar la llamada en espera para permitir la transferencia de la segunda llamada entrante con el Cisco CallManager 3.x

Soluciones. boolean pruebaiteraseriegeometrica () { Serie s= new SerieGeometrica (1, 2); return (s.iterator() instanceof IteraSerieGeometrica); }

PLANO DE EVACUACIÒN. Usted está aquí. Referencias. Bomberos 100. Policía 101 Ambulancia 107

Programación de sistemas Listas enlazadas

Ciclos. Recordando Estructuras de Control Básicas: SELECCIÓN (condición) SECUENCIAL

CAMARA IP I780Z CAMARA IP I780Z

SIMULACION. Urna 1. s(x) h(x) Urna 2. s(x) Dado. Urna /6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6 Dado 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6

Encender un LED utilizando un pulsador (Ref libro 1 pg 82 pero como y pg 132 como 1.2.3)

MANUAL DE INSTALACIÓN DEL DIMM ANEXOS Y FORMULARIOS Linux

cuestionarios de evaluación

Inferencia Bayesiana en la distribución Gumbel: aplicación en el modelamiento de intensidades de lluvia

Configurar un solo Número marcado para rutear las llamadas a un grupo de Teléfonos IP

NK-1. NK, Carro paralelo X (Serie pesada)

Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA. Ricardo Aler Mur

Un poco sobre SQL. Lic. Gerardo Rossel 1C Bases de Datos

Modelos Alternativos de RI. UCR ECCI CI-2414 Recuperación de Información Prof. Kryscia Daviana Ramírez Benavides

Check our AVR setup tips online Usa.denon.com/SetupTips Ca.Denon.com/SetupTips


Aprendizaje de intervalos para Redes Bayesianas de Nodos Temporales

Examen de Grado Microeconomía Agosto, 2017

Repaso Teoría de Juegos Jueves 30 de Julio.

RED DE SALUD BCO CHO SCO

La información que contiene este documento se basa en las siguientes versiones de software y hardware.

Check our AVR setup tips online Usa.denon.com/SetupTips Ca.Denon.com/SetupTips

Aprendizaje Automático Segundo Cuatrimestre de Árboles de Decisión

Taller Introducción a la Ingeniería Eléctrica Microcontrolador Arduino y Comunicaciones

Árboles de Decisión Árboles de Sintaxis

Compiladores: Generación de Código Intermedio

Estructuras de datos Solemne 2

Una pregunta pendiente

CÓMO EJECUTAR UN INFORME

Sesión 14: Redes de Decisión

Check our AVR setup tips online Usa.denon.com/SetupTips Ca.Denon.com/SetupTips

Informe técnico 6.2 Simulación de ensamblaje mano

Hoja de datos en línea. FX3-XTDI80002 Flexi Soft CONTROLADORES DE SEGURIDAD

Guía rápida de utilización

Razonamiento probabilístico y Redes Bayesianas

Generación de números aleatorios con distribución uniforme

Pontificia Universidad Católica del Perú

Introducción a la Simulación

Bienvenido Gracias por elegir un receptor AV Denon. En esta guía encontrará instrucciones paso a paso que le ayudarán a configurar su receptor AV. Ant

CONVENCIONES USADAS...

SIMULACIÓN EN SOLIDWORKS Tutorial básico- Práctica

Bienvenido Gracias por elegir un receptor AV Denon. En esta guía encontrará instrucciones paso a paso que le ayudarán a configurar su receptor AV. Ant

Elemento crítico para la garantía de calidad del software y representa una revisión final de las especificaciones, del diseño y de la codificación.

Eduardo Mosqueira Rey Bertha Guijarro Berdiñas Mariano Cabrero Canosa

Listas enlazadas. Programación de Sistemas

Automatización de instalaciones domóticas mediante PanStamp

Lista Simple con Puntero al Principio y Puntero al Final

Instrumentación de la seguridad de la red de AnyConnect con el ASA

Arboles de decisión. Area de Computación e Inteligencia Artificial

Bienvenido Gracias por elegir un receptor AV Denon. En esta guía encontrará instrucciones paso a paso que le ayudarán a configurar su receptor AV. Ant

Incertidumbre y conocimiento

REPASO DE UNIDAD II. ANÁLISIS DE ESFUERZOS POR ELEMENTOS FINITOS CON SOLIDWORKS Ingeniería Asistida por Computador. Módulo I

Soft TRAINER. Tabla de contenido. Características del TRAINER. Requisitos mínimos del sistema. Instrucciones para su instalación. Instrucciones de uso

Manual de Instalación Contenido

Estructuras de Control. Secuencia y Selección

Búsqueda en línea y Búsqueda multiagente

LUA scripting NXA standard functions

Clasificación. Clasificadores Bayesianos

Indique la veracidad o falsedad de cada una de las afirmaciones siguientes, explicando detalladamente en cada caso el motivo de su respuesta.

Inteligencia Artificial

Guía Rápida de Soporte Remoto SuperTicket

Operadores. Java es un lenguaje rico en operadores, que son casi idénticos a los de C/C++.

H+0 H+24 H+48 D+0 D+1 D+2

Modelos Gráficos Probabilistas L. Enrique Sucar INAOE. Sesión 10: Redes Bayesianas Inferencia. 1era parte. [Neapolitan 90]

APUNTES DE CÁTEDRA: ARREGLOS MULTIDIMENSIONALES

Estructura de datos y de la información Boletín de problemas - Tema 10

Sistema Portable de Fotomulta Speed Trap

Mejores prácticas del nodo de fibra del cable para el ubr10k

Búsqueda en e.e. --> reglas para elegir entre las ramas que con más probabilidad lleven a la solución.

Transcripción:

Proyectos de Sistemas de Software 2018 Prof. Gerardo I. Simari Asistente Fabio R. Gallo 04 de Octubre de 2018

Proyectos de Sistemas de Software 2018 2 AgenaRisk 7.0: Características AgenaRisk Free AgenaRisk Lite AgenaRisk Professional Save model containing ranked nodes Save model containing simulation nodes Save model containing multiple Bayesian network objects Limited to max 5 Limited to max 5 Limited to max 10 Limited to max 10 Unlimited Unlimited Limited to max 2 Limited to max 2 Unlimited Instaladores: Directorio compartido de la materia. Manual de usuario: En la herramienta desde el menú en help>agenarisk help se accede a un pdf.

Proyectos de Sistemas de Software 2018 2 AgenaRisk 7.0: Características AgenaRisk Free AgenaRisk Lite AgenaRisk Professional Save model containing ranked nodes Save model containing simulation nodes Save model containing multiple Bayesian network objects Limited to max 5 Limited to max 5 Limited to max 10 Limited to max 10 Unlimited Unlimited Limited to max 2 Limited to max 2 Unlimited Instaladores: Directorio compartido de la materia. Manual de usuario: En la herramienta desde el menú en help>agenarisk help se accede a un pdf.

Proyectos de Sistemas de Software 2018 3 Ejemplo: Suponga que usted vive en una casa con patio, y que compró un regador automático nuevo. El fabricante del regador dice que éste tiene un detector de lluvia para que sólo se encienda cuando no llueve; sin embargo, al cabo de unos días de comprarlo, usted se da cuenta de que el detector consta de un simple dispositivo que detecta clima nublado y baja presión atmosférica.

Proyectos de Sistemas de Software 2018 4 Ejemplo: Diseño de una red Bayesiana con cuatro variables aleatorias Booleanas: CNBP (clima nublado con baja presión), Lluvia, RF (regador funcionando), y PM (el pasto se encuentra notablemente mojado). CNBP RF Lluvia PM

Proyectos de Sistemas de Software 2018 4 Ejemplo: Diseño de una red Bayesiana con cuatro variables aleatorias Booleanas: CNBP (clima nublado con baja presión), Lluvia, RF (regador funcionando), y PM (el pasto se encuentra notablemente mojado). CNBP -Low -Medium -High RF Lluvia PM

Proyectos de Sistemas de Software 2018 4 Ejemplo: Diseño de una red Bayesiana con cuatro variables aleatorias Booleanas: CNBP (clima nublado con baja presión), Lluvia, RF (regador funcionando), y PM (el pasto se encuentra notablemente mojado). CNBP -Low -Medium -High -Yes -No RF Lluvia PM -Yes -No

Proyectos de Sistemas de Software 2018 4 Ejemplo: Diseño de una red Bayesiana con cuatro variables aleatorias Booleanas: CNBP (clima nublado con baja presión), Lluvia, RF (regador funcionando), y PM (el pasto se encuentra notablemente mojado). CNBP -Low -Medium -High -Yes -No RF Lluvia Exp PM -Yes -No

Proyectos de Sistemas de Software 2018 4 Ejemplo: Diseño de una red Bayesiana con cuatro variables aleatorias Booleanas: CNBP (clima nublado con baja presión), Lluvia, RF (regador funcionando), y PM (el pasto se encuentra notablemente mojado). Exhaustiva! CNBP -Low -Medium -High -Yes -No RF Lluvia Exp PM -Yes -No

Ejemplo: AgenaRisk Proyectos de Sistemas de Software 2018 5

Proyectos de Sistemas de Software 2018 6 Ejemplo: AgenaRisk Node Node Node Node

Proyectos de Sistemas de Software 2018 6 Ejemplo: AgenaRisk Node Node Simulation Node Node Simulation Node Node

Propiedades de los Nodos Proyectos de Sistemas de Software 2018 7

Ejemplo: AgenaRisk Nodo rankeado Proyectos de Sistemas de Software 2018 8

Ejemplo: AgenaRisk Nodo rankeado Proyectos de Sistemas de Software 2018 8

Ejemplo: AgenaRisk Nodo rankeado Proyectos de Sistemas de Software 2018 8

Ejemplo: AgenaRisk Nodo booleano Proyectos de Sistemas de Software 2018 9

Ejemplo: AgenaRisk Nodo booleano Proyectos de Sistemas de Software 2018 9

Ejemplo: AgenaRisk Nodo booleano Proyectos de Sistemas de Software 2018 9

Ejemplo: AgenaRisk Nodo de simulación Proyectos de Sistemas de Software 2018 10

Node Probability Table (NTP) Proyectos de Sistemas de Software 2018 11

Ejemplo: AgenaRisk NPT Proyectos de Sistemas de Software 2018 12

Ejemplo: AgenaRisk NPT Proyectos de Sistemas de Software 2018 12

Proyectos de Sistemas de Software 2018 12 Ejemplo: AgenaRisk NPT Σ = 1

Proyectos de Sistemas de Software 2018 13 Ejemplo: AgenaRisk NPT Simulation Node: Calcula dinámicamente el conjunto óptimo de estados que el nodo debería tener (discretización dinámica). Promedio anual de precipitación en Bahía Blanca 584mm

Ejemplo: AgenaRisk NPT Proyectos de Sistemas de Software 2018 14

Proyectos de Sistemas de Software 2018 14 Ejemplo: AgenaRisk NPT Expression: if ( NodoLluvia>10 NodoRF=="Yes", "Yes", "No") condición then else

Proyectos de Sistemas de Software 2018 15 Entorno AgenaRisk Auto-cálculo Ejecutar cálculo Doble click sobre el nodo para ver el gráfico de riesgos.

Proyectos de Sistemas de Software 2018 15 Entorno AgenaRisk Auto-cálculo Ejecutar cálculo Doble click sobre el nodo para ver el gráfico de riesgos. Probabilidad marginal (incondicional)

Proyectos de Sistemas de Software 2018 17 Entorno AgenaRisk Probabilidad marginal (incondicional) Ejemplo: P(RF=yes) = P(RF=yes CNBP=low)P(CNBP=low) + P(RF=yes CNBP=medium)P(CNBP=medium) + P(RF=yes CNBP=high)P(CNBP=high) = 0.2 0.3 + 0.5 0.4 + 0.3 0.3 = 0.35

Proyectos de Sistemas de Software 2018 17 Entorno AgenaRisk Probabilidad marginal (incondicional) Ejemplo: P(RF=yes) = P(RF=yes CNBP=low)P(CNBP=low) + P(RF=yes CNBP=medium)P(CNBP=medium) + P(RF=yes CNBP=high)P(CNBP=high) = 0.2 0.3 + 0.5 0.4 + 0.3 0.3 = 0.35

Proyectos de Sistemas de Software 2018 17 Entorno AgenaRisk Probabilidad marginal (incondicional) Ejemplo: P(RF=yes) = P(RF=yes CNBP=low)P(CNBP=low) + P(RF=yes CNBP=medium)P(CNBP=medium) + P(RF=yes CNBP=high)P(CNBP=high) = 0.2 0.3 + 0.5 0.4 + 0.3 0.3 = 0.35

Proyectos de Sistemas de Software 2018 17 Entorno AgenaRisk Probabilidad marginal (incondicional) Ejemplo: P(RF=yes) = P(RF=yes CNBP=low)P(CNBP=low) + P(RF=yes CNBP=medium)P(CNBP=medium) + P(RF=yes CNBP=high)P(CNBP=high) = 0.2 0.3 + 0.5 0.4 + 0.3 0.3 = 0.35

Proyectos de Sistemas de Software 2018 17 Entorno AgenaRisk Probabilidad marginal (incondicional) Ejemplo: P(RF=yes) = P(RF=yes CNBP=low)P(CNBP=low) + P(RF=yes CNBP=medium)P(CNBP=medium) + P(RF=yes CNBP=high)P(CNBP=high) = 0.2 0.3 + 0.5 0.4 + 0.3 0.3 = 0.35

Proyectos de Sistemas de Software 2018 17 Entorno AgenaRisk Probabilidad marginal (incondicional) Ejemplo: P(RF=yes) = P(RF=yes CNBP=low)P(CNBP=low) + P(RF=yes CNBP=medium)P(CNBP=medium) + P(RF=yes CNBP=high)P(CNBP=high) = 0.2 0.3 + 0.5 0.4 + 0.3 0.3 = 0.35

Proyectos de Sistemas de Software 2018 17 Entorno AgenaRisk Probabilidad marginal (incondicional) Ejemplo: P(RF=yes) = P(RF=yes CNBP=low)P(CNBP=low) + P(RF=yes CNBP=medium)P(CNBP=medium) + P(RF=yes CNBP=high)P(CNBP=high) = 0.2 0.3 + 0.5 0.4 + 0.3 0.3 = 0.35

Entorno AgenaRisk Personalizar gráfico de riesgos Proyectos de Sistemas de Software 2018 18

Entorno AgenaRisk Personalizar gráfico de riesgos Proyectos de Sistemas de Software 2018 18

Entorno AgenaRisk Personalizar gráfico de riesgos Proyectos de Sistemas de Software 2018 18

Escenarios Proyectos de Sistemas de Software 2018 19

Proyectos de Sistemas de Software 2018 20 Evidencias y Escenarios Las observaciones se utilizan para el cálculo de la probabilidad posterior.

Proyectos de Sistemas de Software 2018 21 Evidencias y Escenarios Evidencia hard : es cuando se especifica que un nodo toma un valor exacto, e.g., true o false. Evidencia soft : es cuando se asigna un porcentaje/probabilidad a dos o más estados de un nodo.

Evidencias y Escenarios Proyectos de Sistemas de Software 2018 22

Proyectos de Sistemas de Software 2018 23 Evidencia Soft x2

Proyectos de Sistemas de Software 2018 24 Evidencias y Escenarios Escenario Escenario 1 Escenario 2 Evidencia PM: Yes = 0,1 / No = 0,9 RF: Yes = 0,99 / No = 0,01 soft Qué cambios se producen en cada escenario?

Evidencia Hard Proyectos de Sistemas de Software 2018 25

Proyectos de Sistemas de Software 2018 26 Evidencias y Escenarios Escenario Escenario 1 Escenario 2 Escenario 3 Escenario 4 Evidencia PM: Yes = 0,1 / No = 0,9 RF: Yes = 0,99 / No = 0,01 PM = No RF = Yes soft hard Qué cambios se producen en cada escenario?

Proyectos de Sistemas de Software 2018 27 Ejemplo: AgenaRisk Ocultar variables mostrar/ocultar nodos ocultos

Preguntas? Proyectos de Sistemas de Software 2018 28